U-Net模型在京津冀临近降水预报中的应用和检验评估

利用2018—2019年期间10 min定量降水估计(Quantitative Precipitation Estimation,QPE)实况观测,构建基于U-Net的分钟级临近降水预报模型,实现了京津冀地区未来0~2 h逐10 min降水量滚动预报。以TS、BIAS、POD、SR、FAR作为评价指标,通过检验2020和2021年6—9月长序列以及分析2020年8月12日和2021年7月1日两次强降水个例,表明U-Net模型预报接近实况,局部伴随着一定程度的空报,相较光流法、持续性预报及CMA-MESO模式预报效果有明显提升。具体表现为:当分钟级降水预报不超过10 mm/(10 min)时,U-Net模型明显优于光流法和持续性预报;当小时预报不超过25 mm·h^-1,U-Net模型优于CMA-MESO模式和光流法。然而,当降水强度超过10 mm/(10 min)或25 mm·h^-1时,U-Net模型存在预报偏弱的情况,可能与强降水样本较少有关。     

实时智能地震处理系统在2020年四川石渠M5.6地震序列中的应用

实时智能地震处理系统（RISP）是一套基于深度学习技术的新型地震实时处理系统,于2021年6月在四川开始试运行。为了评估该系统在四川台网稀疏区域的地震检测和处理能力,笔者等采用RISP系统对2020年4月1日四川甘孜州石渠县发生的M5.6级地震序列进行了回溯性分析,获得了较为可靠的自动处理地震序列目录,并与人工目录进行了对比分析。震后10d内,RISP系统自动处理获得了386个地震信号,地震数量是正式地震目录的1.98倍,匹配率为97.43%。分析显示,发震时刻偏差小于±1.0 s的地震占比71.05%,震中位置偏差小于10 km的地震占比96.31%,震级偏差小于±0.3级的地震占比99.47%。根据RISP系统检测地震序列分布特征和震源机制解,认为此次地震的发震断层为五道梁—长沙贡玛断裂北东侧的一条未发现的分支断层。研究结果表明,RISP系统的应用可以提升台网稀疏区域的地震检测能力,可快速产出地震序列目录,对大震应急、震后趋势判定和发震构造研究等具有重要意义。     

The prospects of an adjustment policy based on collective learning in old industrial regions

This paper aims to discuss the possibilities of adopting a policy based on collective learning in old industrial regions. This is particularly interesting because old industrial regions are believed to have lost their learning capabilities, as indicated by notions of `technological' and `institutional' lock-in. Moreover, the success stories where positive effects of interactive learning have been observed (Silicon Valley, Baden-Württemberg) all share the lack of an industrial past.First, we specify how a theoretical framework based on interactive learning, which tries to explain the industrial decline of old agglomerations, may look like, and how such an approach differs from other approaches. Then, we set out a policy framework that aims to deal with the process of structural adjustment and which incorporates the ideas of interactive learning based on socio-cultural factors. In this respect, we distinguish between two possible routes of adjustment, which reveal a complex interplay between different types of agglomeration economies, innovations and restructuring processes. Finally, we devote attention to the problems such a policy based on the notion of the learning region may face, such as the problem of how to overcome a negative lock-in situation caused by localized path dependency.     

基于多核学习遥感解译的水边线提取及海岸侵蚀风险评估方法研究与应用——以大蒲河-滦河岸段为例

为了对典型海岸带的侵蚀风险程度进行量化统计与评估,采用卫星遥感技术对目标岸段开展动态监测,以多核学习技术进行图像分类及岸线提取,基于水边线逐年位置变化提出一种海岸侵蚀风险评估方法,并以大蒲河-滦河岸段为例进行了应用,得出了该岸段所处的侵蚀风险级别,为下一步海岸带的保护与修复提供了数据支撑。     

发现学习及其在《测量学》教学中的应用研究

本文运用现代教学理论,采用"发现学习"的教学方法进行《测量学》教学。首先论述发现学习的概念,指出采用发现学习的方法进行《测量学》教学是课程内在内容的需要。提出发现学习的《测量学》教学模式,并结合具体教学内容进行分析。从问题教学策略、情境教学策略、信息教学策略及作业教学策略四个方面进行教学策略研究。     

Lessons Learned from Reviewing Research in GIS Education

Abstract

Traditional lectures generally force students to play a passive role in the classroom. In an effort to promote active learning, we added discussion sections to a large lecture hall course. Field trips, student journals, and group-based assignments, in particular, enhanced the learning experience. To ensure the success of the new format, course planners must enlist the sustained cooperation of key faculty and administrators on campus, as well as teaching assistants assigned to the new sections. The new discussion sections allowed students to acknowledge the environmental impact their actions have on campus and to recognize that environmental problems occur at multiple scales.     

基于内容的半监督流形图像检索

提出了一种半监督流形图像检索方法。给定查询图像,首先利用L1距离进行相似度计算,构造出图像数据库的加权图并排序;然后,由用户从排序结果中选择少量与查询图像相似的图像,形成正反馈图像集合作为已标注样本,其他图像作为未标注样本,进行基于拉普拉斯流形正则化的半监督学习,训练分类函数;最后利用训练好的分类函数对数据库中的图像进行分类排序,返回检索结果。在Corel图像数据集上的实验结果表明,半监督流形图像检索方法能获得较好的效果。     

高光谱热红外遥感：现状与展望

针对高光谱影像分类中的深度学习模型设计问题,提出了一种面向高光谱影像分类的网络结构自动搜索方法。该方法首先利用可微分结构搜索技术在源高光谱数据集上进行网络结构搜索,然后采用堆叠单元的形式构建深度网络模型,最后利用目标高光谱影像对模型进行分类性能评估。该方法仅在源高光谱数据集上进行一次网络结构搜索,得到的深度网络模型即可应用于其他目标高光谱影像的分类任务,能够有效提高模型利用率。为了提高自动搜索得到的模型的泛化能力和分类精度,采用多源多分辨率的高光谱影像构建源数据集,并引入部分通道连接操作提高搜索效率。试验表明,该方法能够自动搜索出适合高光谱影像分类任务且具备一定通用性的深度网络模型,该模型能够取得较常规深度学习模型更为优异的分类效果,在University of Pavia、Indian Pines、Salinas和Houston 2018这4个目标高光谱影像上分别取得了98.15%、98.74%、97.30%和74.47%的总体分类精度。